目标： 构建一个具备自主规划、多步推理、工具使用、自我反思和环境交互能力的智能代理，使其能够高效、可靠地完成复杂任务。
核心理念：
Agent的智能涌现于一个精密的认知循环：
感知 (Perceive) ->
理解与规划 (Think/Plan - 想) ->
信息获取 (Search/Act - 查) ->
综合与推理 (Assemble/Reason - 拼) ->
反思与响应 (Reflect/Respond - 回) ->
学习与迭代 (Learn/Iterate) 。
I. 核心理念与架构哲学
在深入工程细节之前，我们必须明确Agent的设计哲学：
- LLM为核心，但非全部： 大型语言模型（LLM）是Agent的认知核心，负责理解、推理、生成。但Agent的强大在于其能够编排LLM与其他组件（工具、记忆、规划器）协同工作。
- 任务驱动，目标导向： Agent的一切行为都应围绕完成用户指定的任务或达成预设目标。
- 迭代与自省： Agent不是线性执行指令的脚本。它必须具备评估自身行为、从错误中
